Dynamische Anpassung der Parameter von Dispositionsregeln in Fließfertigungen mit sequenzabhängigen Rüstzeiten

Dezentrale Planung mit Dispositionsregeln wird in vielen Bereichen der Produktion und Logistik angewendet, insbesondere in hochkomplexen Fertigungssystemen. Da Dispositionsregeln auf ihren lokalen Informationshorizont beschränkt sind, gibt es keine Regel, die andere Regeln in verschiedenen Zielen, Szenarien und Systembedingungen übertrifft. In diesem Papier präsentieren wir einen Ansatz zur dynamischen Anpassung der Parameter einer Dispositionsregel, abhängig von den aktuellen Systembedingungen. Der Einfluss verschiedener Parameterstellungen der gewählten Regel auf die Systemleistung wird durch eine Methode des maschinellen Lernens geschätzt, deren Lerndaten durch vorläufige Simulationsläufe generiert werden. Anhand eines dynamischen Fließfertigungsszenarios mit sequenzabhängigen Rüstzeiten demonstrieren wir, dass unser Ansatz in der Lage ist, die durchschnittliche Verspätung der Aufträge signifikant zu reduzieren.